什么是物联网?美国新闻记者与作家协会前主席塞缪尔·格林加德在其新作《物联网》一书中告诉我们:物联网是继计算机、互联网和移动通信之后的又一次 信息产业的革命性发展,在互联网和移动互联网高速发展的时代,联网设备已经不再局限于智能手机和计算机,而会覆盖交通物流、智能家居、工业检测和个人健康 等各种领域。物联网是继通信网之后的另一个巨大的市场。
1957 年, 美国艾奥瓦州立大学的乔·M·波伦、乔治·M·比亚尔和埃弗里特·M· 罗杰斯共同提出了现在被普遍接受的“技术采用生命周期”的概念。他们认为所有新产品和解决方案都会遵循一个在很大程度上可预测的、近似钟形曲线的发展轨 迹。最早的一批采用者被称为“创新者”;处在第二个阶段的被称为“早期采用者”;之后的分别是“大众”和“落后者”。如今这种模型依然成立,而且生命周期 在以异乎寻常的速度加速:这个模型中的时间单位由年压缩到了月。
物联网就处于这股冲击波的中心位置,它正处于“创新者”和“早期采用者”阶段之间。物联网通过崭新的、不可思议的、甚至是令人恐惧的方式将人类与机 器智能连接起来。它无疑是波澜壮阔的数字化革命的第二波浪潮,跟所有的革命一样,此次革命也会产生大量的胜者和败者。物联网将会带来新的行业但也会使一些 岗位消失,改变社会和生活的同时也带来新的问题,比如,越来越疏远的人际关系。
本书的深刻之处在于不仅带领读者了解正在形成中的物联网,还深入反思了物联网的发展。比如,自动化是否会造成大范围失业和下行流动性?是否会引发更多的犯罪或战争?在这个几乎任何行动或行为都会被注意或记录下来的时代,我们该如何处理安全和隐私?
总之,有一些知识,现在不去了解,三年后你或许无法跟人交流;有一些信息,现在不去思考,五年后你或许被远远甩在别人身后。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。